Differenza tra data mining e analisi predittiva

Il differenza principale tra data mining e analisi predittiva è che il il data mining è il processo di identificazione dei pattern nascosti dei dati utilizzando algoritmi e strumenti di mining mentre l'analisi predittiva è il processo di applicazione delle conoscenze aziendali ai pattern scoperti per fare previsioni.

Il data mining è il processo di scoperta dei pattern in un set di dati di grandi dimensioni. Estrae nuovi schemi e relazioni tra entità di dati. L'output del data mining è uno schema che forma una linea temporale che varia la distribuzione. D'altro canto, l'analisi predittiva è il processo di applicazione delle conoscenze aziendali ai pattern scoperti in un set di dati al fine di prevedere tendenze e comportamenti. Questi modelli sono scoperti dal data mining o usando qualche altra tecnica. Analisti di business e esperti di dominio li analizzano e li interpretano per ottenere approfondimenti di business significativi. 

Aree chiave coperte

1. Che cos'è il data mining
     - Definizione, uso
2. Cos'è l'analisi predittiva
     - Definizione, uso
3. Differenza tra data mining e analisi predittiva
      - Confronto tra le principali differenze

Parole chiave

Data mining, analisi predittiva

Che cos'è il data mining

Il data mining si riferisce al processo di scoperta di pattern in un set di dati di grandi dimensioni. Comporta l'estrazione di informazioni da un set di dati e la conversione delle informazioni in una struttura comprensibile per un ulteriore utilizzo. È usato in molti campi come matematica, cibernetica, marketing, ecc.

Figura 1: set di dati

Il data mining è associato a diverse attività come l'integrazione dei dati, la trasformazione dei dati, la valutazione dei modelli e la visualizzazione. I dati provengono da più fonti. Tutti i dati sono integrati e archiviati in un'unica posizione denominata data warehouse. In secondo luogo, i dati sono preelaborati per renderlo adatto all'esecuzione del data mining. Quindi, i pattern vengono riconosciuti utilizzando algoritmi come clustering, regressione, ecc. Infine, questi pattern vengono valutati e visualizzati utilizzando grafici.

Inoltre, esiste un tipo di data mining chiamato web mining. Questo è il processo di raccolta di informazioni tramite metodi e tecniche di data mining tradizionali attraverso il web. Aiuta a capire fattori come l'efficacia di un sito Web e il comportamento dei clienti. Nel complesso, data mining offre la possibilità di scoprire schemi nascosti nei dati in modo che possano essere utilizzati per fare previsioni e prendere decisioni di business.

Cos'è l'analisi predittiva

L'analisi predittiva analizza i fatti attuali e storici per fare previsioni su eventi futuri o sconosciuti. Utilizza varie tecniche statistiche come il data mining, la modellazione predittiva e l'apprendimento automatico.

Figura 2: Processo di analisi predittiva

Il processo di analisi predittiva coinvolge le seguenti attività.

1. Definizione del progetto: definizione dei risultati del progetto, ambito, obiettivi aziendali e identificazione del set di dati da utilizzare.
2. Raccolta dati: raccogliere dati da più fonti.
3. Analisi dei dati - Processo di ispezione, modellazione dei dati per scoprire informazioni utili.
4. Analisi statistica: convalidare ipotesi, ipotesi e testarle utilizzando modelli statistici.
5. Modellazione - Creare modelli predittivi accurati per il processo decisionale.
6. Distribuzione: distribuire i risultati analitici per il processo decisionale quotidiano per ottenere risultati, rapporti e risultati.
7. Monitoraggio del modello: gestione e monitoraggio delle prestazioni del modello per garantire che il modello fornisca i risultati previsti.

Predictive Analytics è utilizzato in molti campi. Aiuta le organizzazioni di business ad analizzare modelli trovati in dati storici e transazionali per identificare rischi e opportunità. Ad esempio, assumere il punteggio di credito. La cronologia del credito del cliente, la domanda di prestito ei dati dei clienti vengono analizzati ed elaborati per decidere se il cliente pagherà il pagamento del credito in tempo. Inoltre, l'analisi predittiva viene utilizzata in settori quali marketing, finanza, assicurazioni, vendita al dettaglio, telecomunicazioni, sanità, social networking e così via.

Differenza tra data mining e analisi predittiva

Definizione

Il data mining è il processo di scoperta di modelli in grandi quantità di dati utilizzando metodi di apprendimento automatico, statistiche e sistemi di database. L'analisi predittiva è il campo delle statistiche che si occupa di estrarre informazioni dai dati e utilizzarli per prevedere tendenze e modelli di comportamento. Questo spiega la differenza fondamentale tra data mining e analisi predittiva. 

Funzionalità

Il data mining applica algoritmi come la regressione e la classificazione sui dati raccolti per scoprire schemi nascosti. L'analisi predittiva, tuttavia, applica le conoscenze aziendali ai modelli rilevati per ottenere previsioni valide per il business.

uso

C'è un'altra differenza tra data mining e analisi predittiva in base al loro utilizzo. Mentre il data mining aiuta a comprendere meglio i dati raccolti, l'analisi predittiva aiuta a fare previsioni su eventi futuri o sconosciuti.

Professioni coinvolte

Sebbene il data mining sia eseguito da statistici e ingegneri, l'analisi predittiva viene eseguita da analisti aziendali e altri esperti di dominio.

Conclusione

La differenza tra data mining e analisi predittiva è che il data mining è il processo di identificazione dei pattern nascosti dei dati utilizzando algoritmi e strumenti di mining mentre l'analisi predittiva è il processo che applica la conoscenza aziendale ai pattern scoperti per fare previsioni.

Riferimento:

1. "Che cos'è il data mining? - Definizione da WhatIs.com. "SearchSQLServer, disponibile qui.
2. "Predictive Analytics." Wikipedia, Wikimedia Foundation, 26 agosto 2018, disponibile qui.